标记为模型比较的文章
模型平均
- 24 八月 2024
当面对多个模型时，我们有几种选择。其中一种是执行模型选择，PyMC 示例 Model comparison 和 GLM: Model Selection 中对此进行了举例说明，通常最好也包括后验预测检查，以便决定保留哪个模型。 丢弃除一个模型之外的所有模型相当于肯定在评估的模型中，一个是正确的（在某些标准下）概率为 1，其余模型是不正确的。在大多数情况下，这将是一种夸大其词，忽略了我们在模型中存在的不确定性。这有点类似于计算完整的后验分布，然后只保留一个点估计值，如后验均值；我们可能会对我们真正知道的过于自信。您也可以浏览 blog/tag/model-comparison 标签以查找相关文章。
贝叶斯因子和边际似然
- 10 一月 2023
“贝叶斯方法”比较模型是计算每个模型 \(p(y \mid M_k)\) 的边际似然，即给定 \(M_k\) 模型的情况下，观察到的数据 \(y\) 的概率。这个量，边际似然，只是贝叶斯定理的归一化常数。如果我们写出贝叶斯定理并明确所有推论都依赖于模型这一事实，我们就可以看到这一点。